人工智慧想要一口一口計算你的卡路里

人工智慧想要一口一口計算你的卡路里

FoodTracker：一款人工智慧驅動的食品測試移動應用程式

加拿大麥吉爾大學正在進行一項名為「FoodTracker」的研究，該研究使用人工智慧（AI）和智慧型手機攝像頭來記錄和分析食客的食物攝入量。

研究人員正在使用AI通過手機攝像頭記錄食客，一口一口地分析食物攝入量。
該算法測量勺子上從盤子到嘴巴的食物量，旨在改善傳統食物日記和應用程式之外的卡路里和營養跟蹤。雖然該算法目前專注於份量大小，但預計將在幾個月內識別食物類型。這項研究具有更廣泛的應用潛力，特別是在不斷增長的飲食和營養應用市場中。

該方法目前的錯誤率為22%，但研究人員正在努力提高準確性並使其適應不同的餐具。該項目由加拿大國家研究委員會資助，重點解決老年人口的營養不良問題。預計原型將於明年進行測試。

該應用程式可以實時識別食物的成分並提供相應的營養信息。研究人員開發了一種模型，通過結合深度卷積神經網絡（CNN）和YOLO檢測策略來有效識別食物。這款應用程式不僅可以幫助用戶更好地了解自己的飲食，還可能在未來被廣泛用於改善人們的飲食習慣和健康（Tech Xplore）（HillNotes）。

「該實驗室的重點是嵌入式系統上與健康相關的應用，」進行該研究的研究人員之一Zelijko Zilic告訴TechXplore。「我們的目標是將自動化引入食品日記，以便關心日常飲食的人或患者能夠在日常生活中持續跟蹤膳食項目和營養成分。為了實現這一目標，我們一直在為iPhone提供應用程式（DiaBeatMove和CarbAndMove），以幫助糖尿病患者和糖尿病前期患者管理運動、營養、胰島素和生活中與健康相關的方面。"

美國和世界其他國家肥胖率上升以及與營養不良相關的問題鼓勵許多研究人員開發移動應用程式或在線平台來促進更健康的生活方式選擇。在最近的研究中，Zilic和他的同事開發了一款智慧型手機應用程式，可以快速有效地實時識別用戶正在吃的食物，並提供膳食中每種成分的營養含量。

FoodTracker是研究人員開發的移動應用程式，非常易於使用。當用戶將智慧型手機攝像頭對準盛有飯菜的盤子時，該應用程式會快速識別其不同的成分。

首先，Zilic、Sun和他們的同事開發了一個模型，該模型將深度卷積神經網絡（CNN）與YOLO（一種最先進的檢測策略）相結合。他們使用廣泛的食物圖像資料庫訓練了該模型，發現在基於圖像檢測食物時，它的平均準確率接近80%。

未來，FoodTracker等移動應用程式可以拓寬人們的營養知識，支持他們了解每天攝入的食物，甚至可以幫助他們改善飲食習慣。Zilic、Sun和他們的同事現在計劃將該應用程式提供的營養相關指導與其他模塊集成，以鼓勵更健康的生活方式。

該研究得到了加拿大國家人工智慧戰略的支持，旨在促進人工智慧技術在健康等領域的應用

如果您想了解更多信息，可以單擊視頻下方的連結。
感謝您觀看此視頻。如果您喜歡，請訂閱並點讚。謝謝

論文：https://arxiv.org/pdf/1909.05994
報告：https://techxplore.com/news/2019-09-foodtracker-ai-powered-food-mobile-application.html
原文：https://www.wsj.com/tech/ai/ai-count-calories-weight-loss-6acc7019

輸油管：